宏观经济与证券市场相关性研究

宏观经济的角度出发分析了国民生产总值、物价、通货膨胀、利率和汇率诸因素对证券市场影响的机理, 同时也从反方面分析了证券市场对宏观经济的反作用。通过对宏观经济一致合成指数与上证指数及深证指数的相关性分析, 得出了我国证券市场与宏观经济高度相关, 并且证券市场的走势先行于宏观经济一致合成指数走势的结论。     

中国消费者信心指数的信号引导功能

许多国家的消费者信心指数(CCI)对宏观经济有着重要的影响,它不仅可预测消费者的行为,更为工商界和金融界等经济部门提供信号引导功能。本文应用回归模型和因果引导关系模型检验了我国于1998年开始公布的CCI与宏观经济变量之间的动态影响关系。结论表明,我国CCI基本上能预测消费者行为,但对各个经济部门的信号引导功能不明显。     

基于支持向量机的金融时间序列预测

基于数据的机器学习就是由观测样本数据得出目前尚不能通过原理分析得到的规律,利用其对未来数据进行预测。神经网络以其优越的函数逼近性能广泛用于建立时间序列过去与未来数据之间某种确定的映射关系,实现预测。首先分析了以经验风险最小化为准则的神经网络的局限性,以及针对此提出的结构风险最小化准则的优点;其次引出支持向量机;最后利用支持向量机对上海证券综合指数序列趋势做较准确的多步预测。     

我国宏观经济的景气分析初探

本文用景气分析的方法来研究我国的宏观经济周期波动现象。采用景气动向指数,结合我国的实际情况,在ＭＳ．Ｗｉｎｄｏｗｓ支撑下,编制了反映我国周期波动特点的景气分析软件,并用来分析我国宏观经济出现的现象和预测我国宏观经济的发展趋势等.     

基于LSTM-SVR模型的航空旅客出行指数预测

航空旅客出行的情况对民用航空机场建设与运营具有重大意义，定义了一种航空旅客出行指数，运用机器学习方法对航空旅客出行指数进行预测，克服了单一预测模型精度的不足，提出一种将长短期记忆网络(LSTM)与支持向量回归(SVR)相结合的航空旅客出行指数组合预测模型，并对预测结果集进行聚类分析。以上海机场航空旅客数据为实证，验证了LSTM-SVR组合预测模型可行性与有效性，实验结果显示：LSTM-SVR组合预测模型较传统单一预测模型具有更高的精度；同时，LSTM-SVR组合预测模型与其他组合预测模型相比也有较明显优势。此外，基于K-均值算法对航空旅客出行指数进行聚类分析并给出评级，此举为机场运营管理及旅客出行提供一定的决策支持。     

基于Agent的经济政策对电力消费影响模拟实验

为了模拟某些经济调控政策对电力消费的影响,基于一般均衡思想,运用多Agent技术建立了经济政策对电力消费影响的政策模拟系统ECMAS.在ECMAS中,根据2005年投入产出表和电力消费数据,将宏观经济生产系统归总的15个行业Agent、政府Agent、居民Agent和市场Agent,各Agent为实现自身的目标,根据外部环境的变化决策动作行为,通过微观个体的行为动作模拟社会经济运行,分析了税收变化、居民消费变化、政府支出变化对电力消费的影响,为电力需求分析预测、电力规划提供依据.     

城市日用水量预测模型及其应用

提出成分数据赋权指数平滑模型,将该模型应用到城市日用水量预测中,用平均绝对百分比误差来表征其预测精度,结果显示,其平均绝对百分比误差MAPE为2.2%,表明该模型的预测精度较高。并将其与直接应用赋权指数平滑模型进行比较,结果显示,成分数据方法的引用使预测精度提高了0.18%,分析可知成分数据的转化与数据的重新排列使数据变化趋势趋于平稳,有利于提高预测精度。     

动态多模型指数平滑法融合的在线预测方法

针对传统预测算法实时性差、难以适应多种数据变化情况、参数无法根据数据的实时变化进行在线调整等问题,提出了一种动态多模型指数平滑法融合的在线预测算法。该算法根据历史数据的预测误差,动态调整指数平滑法的平滑系数,以及1次、2次、3次指数平滑法的融合权值,实时得到对传感器测量参数的准确预测。仿真表明,该算法在多种数据变化情况下均优于单一采用指数平滑法。     

动态多模型指数平滑法融合的在线预测方法

针对传统预测算法实时性差、难以适应多种数据变化情况、参数无法根据数据的实时变化进行在线调整等问题,提出了一种动态多模型指数平滑法融合的在线预测算法。该算法根据历史数据的预测误差,动态调整指数平滑法的平滑系数,以及1次、2次、3次指数平滑法的融合权值,实时得到对传感器测量参数的准确预测。仿真表明,该算法在多种数据变化情况下均优于单一采用指数平滑法。     

房地产价格与宏观经济基本面研究的新视角

从房地产市场羊群行为的角度探讨房地产价格与宏观经济基本面的关系,并用上海房地产市场数据进行实证.结果表明,羊群行为存在时,宏观经济基本面与房地产价格的关系发生扭曲,同时,房地产价格弹性(分别关于城镇居民家庭人均可支配收入以及人口增长)大于羊群行为不存在时的情形.     

基于自组织算法的股市预测

在简要地介绍GMDH算法的基础上,讨论了基于自组织算法的股市预测问题。建立带移动平均的预测模型,使预测值可以逐个地得到。以上证指数为应用实例,实验结果表明了GMDH算法在股市预测中的有效性。     

基于TVS-MHAR模型金融市场高频多元波动率的预测

本文基于Kalli和Griffin(2011)的时变稀疏模型和多元HAR模型,构建了具有时变稀疏性的多元HAR模型(TVS-MHAR),并利用中国上证综指、沪深300期货和国债期货的五分钟高频数据,对金融市场的已实现波动率矩阵进行预测.本文通过Cholesky转换方法保证预测波动率矩阵的正定性.通过对不同多元波动率模型的预测结果进行数值比较和经济比较,本文发现,本文构建的TVS-MHAR模型无论对于短期预测、中期预测还是长期预测都具有最高的预测精度和最大的投资改善.同时,时变多元波动率模型可以获得比固定参数模型更好的预测效果,高频数据模型比低频数据模型获得更大的投资改善.     

Demonstration Study on the Intrinsic Characteristic of Stock Complex Index on Shanghai Security Market

This paper takes the Shanghai Security market stock composite index as the research object, analyzes its intrinsic fractal essence characteristics by the application of fractal theory and the method, and computes the Hurst index, fractal dimension and correlated function of the highest prices of the complex index. Moreover, it studies characteristics of long term memory of the sample data and its variance along with time; study existence of chaotic attractors in data of the complex index by reconstructing the phase space of the index data. Finally, this paper carries on the related forecast demonstration study to the stock composite index. Results of the study have certain reference function to the actual problem.     

基于灰色GM(1,1)模型的上海城镇养老保险人口分布预测

通过利用上海人口普查和1%人口抽样调查数据及历年统计年鉴数据,结合人口精算学递推和灰色动态GM(1,1)模型,对2008-2050年上海城镇养老保险"老人、中人、新人"在职和退休人口分布数据做出分类预测.在对人口预测结果曲线趋势分析基础上发现上海基本养老保险系统实现可持续发展中潜在的最大危机——退休人口抚养危机.研究结论对于上海市养老保险基金收支缺口测算及新人口政策制定具有重要的理论意义和应用价值.     

World Expo 2010 pavilions clustering analysis based on self-organizing map

This paper reports the classification of 90 sample pavilions in Shanghai World Expo. An artificial intelligence based nonlinear clustering method known as Self-Organizing Map (SOM) has been used to classify expo pavilions. SOM is an efficient tool for visualization of multidimensional data. To conduct the classification, four characteristics namely Hurst exponent for queue length, Hurst exponent for waiting time, mean queue length and mean waiting time have been applied. The classification results show that Shanghai World Expo pavilions can be optimally classified into four classes. This result will shed light on further studies that how to manage the queue of World Expo pavilions in the future.     

公司跨界经营、信息披露与分析师预测

通过手工搜集2003-2017年公司跨界经营数据,本文检验了公司跨界经营对分析师盈利预测的影响及其市场后果.实证结果表明,随着公司跨界程度的提高,分析师对其盈利预测的准确性下降,预测报告发布频率和预测修正幅度则会提高.同时,公司信息披露质量的提升有助于缓解公司跨界经营对分析师预测行为带来的不利影响.上述结果支持了信息处理成本假说和信息不确定性假说.最后,本文对跨界经营的市场后果做了检验,结果发现公司跨界经营程度越高,对分析师预测行为产生的消极作用越大,公司的市场折价程度越高.     

应用小波理论进行股市预测

应用小波理论提出一种股票市场建模及其预测的方法,以上证综指为例进行了实证研究,并从吸引子结构的观点进一步分析了预测精度提高的原因。采用此方法进行股市预测,首先要应用小波理论对股指收益率序列进行分解,得到低频和高频部分;然后在此基础上作进一步分析,以确定各部分存在混沌特性;再应用混沌理论分别建立低频和高频部分的预测模型,对低频和高频部分进行预测;最后应用小波理论对混沌模型预测的结果予以重构,实现对原始收益率序列的预测。研究结果表明,该方法具有较高的精度,并具有极大的应用前景。     

基于专家知识的模糊时间序列预测模型及应用

将投资专家的成功经验引入模糊时间序列模型,实现股票市场走势的多步预测。根据专家经验构造多个反映市场结构特征的变量并将其模糊化为模糊时间序列;建立具有多前件、高阶模糊关系的模糊时间序列预测模型;最后,将该模型用于股票指数预测。结果表明,与经典模糊时间序列模型相比,其预测精度有了较大提高。     

基于跳跃、好坏波动率与百度指数的股指期货波动率预测

本文首次将百度指数引入HAR波动建模框架,基于跳跃、好坏波动率与百度指数提出HAR改进模型,实证研究揭示股指期货波动运行规律,并通过MCS检验分析预测模型优劣.HAR建模考察连续-跳跃波动、好-坏波动率的两种已实现波动分解.为了降低波动率估计偏差,基于序列相关法仿真统计最优抽样频率,利用已实现核修正的ADS检测识别跳跃,进一步修正好坏波动率与符号跳跃.基于沪深300股指期货的样本内外预测表明:连续波动比跳跃波动对未来已实现波动的预测贡献更大;好坏波动率具有不对称的波动冲击,好(坏)波动率抑制(加剧)未来波动性;符号跳跃对未来波动具有负向冲击;好坏波动率分解优于连续与跳跃波动分解;百度指数能显著提升HAR波动建模的样本内外预测能力;MCS检验证实,考虑符号跳跃与百度指数的HAR-RV-SJ-BI模型表现最佳.研究结论对认识股指期货波动规律和市场风险具有意义.